基于支持向量机的农村劳动力转移预测

分析目前影响农村劳动力转移的主要因素,运用支持向量机理论将农村劳动力转移的主要影响因素作为量化指标,从农村经济持续发展的角度,结合《宁夏统计年鉴》1990～2002年数据,建立基于支持向量机的农村劳动力转移预测模型。对预测结果和精度进行分析,验证了该方法的有效性。     

支持向量回归机在农业供应链预测中的应用

为了提农业供应链预测的能力,应用基于结构风险最小化准则的标准支持向量回归机方法来研究供应链预测问题。在选择适当的参数和核函数的基础上,通过对实例研究,对时间序列数据进行预测,并与人工神经网络方法进行对比,发现该方法能获得最小的训练相对误差和测试相对误差。结果表明,支持向量回归机是研究农业供应链预测的有效方法。     

支持向量机、信息向量机和相关向量机的比较研究

介绍了支持向量机、信息向量机和相关向量机的理论与算法。利用最优化对偶理论,阐述了支持向量机的三种主要算法:硬间隔支持向量机、软间隔线性支持向量机和二次软间隔支持向量机的理论推导过程。对基于高斯过程模型,详细说明了信息向量机和相关向量机算法的实现过程。     

基于支持向量机的大连港主要货种吞吐量预测研究

为建立适合港口典型货种煤炭、油品、集装箱吞吐量的数据模型,实现精准预测港口吞吐量,本研究中结合直接和迭代预测模型的优点,构建了基于支持向量机模型的多步混合预测方法,并通过对大连港66个月吞吐量样本数据进行了实证分析。结果表明:利用建立的多步混合预测模型计算,煤炭、油品、集装箱的预测值与实际值的平均相对误差分别为5.7%、4.2%、2.8%;相关系数分别为95.5%、95.2%、98.2%。研究表明,本研究中构建的多步混合预测模型参数标定准确、预测精度较高,可为港口经营者掌握港口运转状态及经营决策提供技术支持,在港口多货种吞吐量指标预测中具有可行性。     

基于支持向量机的大连港主要货种吞吐量预测研究

为建立适合港口典型货种煤炭、油品、集装箱吞吐量的数据模型,实现精准预测港口吞吐量,本研究中结合直接和迭代预测模型的优点,构建了基于支持向量机模型的多步混合预测方法,并通过对大连港66个月吞吐量样本数据进行了实证分析。结果表明:利用建立的多步混合预测模型计算,煤炭、油品、集装箱的预测值与实际值的平均相对误差分别为5.7%、4.2%、2.8%;相关系数分别为95.5%、95.2%、98.2%。研究表明,本研究中构建的多步混合预测模型参数标定准确、预测精度较高,可为港口经营者掌握港口运转状态及经营决策提供技术支持,在港口多货种吞吐量指标预测中具有可行性。     

改进支持向量机对污水处理厂运行状况的故障诊断

针对污水处理厂运行时故障数据不平衡性和代价敏感等特点,构造风险泛函RWLOO(α)来改进支持向量机(Support vector machine,SVM);并用遗传算法(GA)对风险泛函求全局最优.在GA对RWLOO(α)寻优过程中,SVM的几个参数以及核函数同时进行最优化.结果表明:用改进的SVM对污水处理厂的故障数据进行分类时,比未经改进的SVM错分类率低16.5%.     

基于免疫算法和支持向量机的人脸识别

提出了一种基于免疫支持向量机人脸识别方法。针对支持向量机学习是一种有导师的学习,引入了否定算法,把人脸特征否定的结果来供支持向量机学习。该算法大大降低了运算复杂度,试验结果表明,该算法与其它方法相比具有较高的识别率。     

基于边界支持向量的自适应增量支持向量机

该文提出一种基于边界支持向量的自适应增量支持向量机,对每轮训练的样本集提取其边界支持向量,从而减少训练向量数目,提高训练效率。通过自适应调整参数,可以更好地适应新增样本。采用 UCI（University of California Irvine）机器学习数据库和Statlog数据库对本文方法进行验证,实验结果表明本文方法的训练时间优于标准支持向量机和一般增量支持向量机。其分类精度也明显优于一般增量支持向量机,在训练数据较少时,其分类精度与标准支持向量机相差不大,但随着训练数据的增加,分类精度逐渐超越标准支持向量机。该文的方法更适合大规模数据集的增量学习。     

基于支持向量机的面向对象软件可维护性预测

以面向对象软件的度量准则作为预测因子,以维护期间所修改的代码函数作为可维护性,运用支持向量机回归原理,构造了面向对象软件可维护性预测模型.为了评价模型的性能,同时构造人工神经网络模型.在R软件环境下仿真,通过误差的可视分析和RMSE分析知,SVM模型预测面向对象软件可维护性具有较好的性能,效果明显优于ANN模型.     

计算机控制激光在线检测木材表面粗糙度

为了高效、快速地在线检测木材表面粗糙度,提高木材加工的生产效率和产品质量,研究设计了计算机控制激光传感器系统.利用该系统对木材表面粗糙度进行在线检测,并对试验测试数据进行了分析,表明该系统对木材表面粗糙度的检测结果准确.     

木塑复合材料铣削加工表面粗糙度及其预测模型的研究

在木塑复合材料（WPC）的加工过程中,加工精度低、切削表面质量差等问题时有发生,而切削力和切削温度对刀具的寿命和加工表面质量有着非常重要的影响。采用硬质合金单齿柄铣刀对木塑复合材料进行铣削试验,研究主轴转速、进给速度、切削深度等切削参数对切削力、切削温度、加工表面粗糙度的影响。在试验数据的基础上,采用BP神经网络建立了WPC加工表面粗糙度的预测模型。结果表明,随着主轴转速增大,WPC的切削力减小,切削温度增大,表面粗糙度减小;随着进给速度增大,WPC的切削力增大,切削温度减小,表面粗糙度增大;随着铣削深度增加,WPC的切削力增大,切削温度增大,表面粗糙度逐渐增大。建立的预测模型具有较高的精度,能够用于WPC铣削加工表面粗糙度的预测,为提高WPC加工表面质量、刀具使用寿命提供了理论和实践指导。     

改进的GrabCut算法木材表面缺陷图像分割试验

试验采用传统GrabCut算法和改进的GrabCut算法,针对单目标、多目标、复杂背景下多目标的木材表面缺陷图像进行多组对比实验。结果表明:改进后的GrabCut算法,针对木材表面的缺陷图像分割进行了优化,能有效改进传统GrabCut算法中的欠分割和过分割、易受区域凹凸纹理的干扰等缺点,而且分割各类木材表面缺陷图像时都能取得较好的效果。说明改进后的GrabCut算法具有其优势和可行性。     

基于吉布斯-马尔可夫随机场的板材表面纹理分析

详细阐述了吉布斯-马尔可夫随机场模型的基本原理,并针对板材表面纹理特征建立吉布斯-马尔可夫随机场模型。研究了吉布斯-马尔可夫随机场模型的参数估计过程,并在试验数据的基础上验证了吉布斯-马尔可夫随机场模型在纹理分析中的可行性。     

木材表面声发射信号源的三角形定位方法

为了确定木材表面声发射源的发生位置,首先采用高速采集设备设计了基于Lab VIEW的多通道声发射信号采集平台,并采用小波分析方法从原始声发射信号中析取有用信号;然后根据信号传播的时延差确定声发射信号在木材表面的平均传播速率;最后依据基于时差的三角形几何定位原理,提出木材表面声发射信号源定位方法,并通过铅芯模拟声发射源的测试试验加以验证。结果表明该方法能够以较高的精度确定木材表面声发射信号源位置。     

海浪效应对海面粗糙度的影响研究

基于日本气象厅22001号浮标站与美国国家浮标数据中心提供的41008号浮标站观测资料,利用Smith88、YT96、TY01和O02这4种海面粗糙度方案研究中高风速条件下真实海浪效应对海面粗糙度的影响;同时,利用浮标数据和COARE3.0算法,比较中高风速条件下缺乏真实海浪信息时,自主设计的有效波高、谱峰周期参数化方案与COARE3.0自带的Taylor01波浪特征量参数化方案计算海面粗糙度的效果。结果表明,无论哪种浮标资料,不考虑真实海浪效应的2种方案(Smith88和YT96)均比考虑真实海浪效应的2种方案(O02和TY01)计算出的粗糙度偏低,说明在中高风速条件下必须要考虑真实海浪效应对海面粗糙度的影响。此外,初步证实了自主设计的波浪特征量参数化方案在缺乏真实海浪信息时,计算效果优于COARE 3.0算法自带的Taylor01波浪特征量参数化方案。     

基于多重多元回归的木材干燥质量预测模型

利用多重多元回归分析理论,在干燥过程中建立干燥指标与其影响因素之间的预测模型,从而达到预测含水率、应力的目的。选择温度、相对湿度、干燥时间作为自变量,应力、含水率作为因变量,建立多对多的木材干燥质量预测模型。模型的显著性检验表明,模型的拟合度较高,具有较好的预测能力。     

二氧化硅改良马尾松木材表面性质的效果

采用溶胶-凝胶法对木材表面进行处理,使二氧化硅生成于木材表面,以改善木材表面特性.通过木材湿胀性、表面耐磨性、光老化性及SEM/EDAX分析测定,研究二氧化硅改良禾材表面性质的效果.结果表明:二氧化硅改良表面木材的吸湿膨胀率比素材的小,木材表面耐磨性和抗光变色性能有明显的改善,其中调湿时间为0.5 h,经6 h浸渍处理...     

黄土坡耕地地表糙度的空间异质性研究

【目的】探讨微尺度下（2 cm×2 cm）地表糙度在侵蚀过程中的空间异质性规律,为进一步理解和定量化描述地表糙度与土壤侵蚀的相互耦合关系奠定基础,并为黄土高原坡耕地水土流失的治理提供一定的理论依据。【方法】以黄土高原不同耕作措施条件下（4种常见的农业耕作措施：人工锄耕、人工掏挖、等高耕作、直线坡（对照）的坡耕地为研究对象,通过室内人工模拟降雨实验,利用激光扫描仪获取地表糙度数据,运用地统计学和分形维数方法对地表糙度的空间分布特征及变异性进行研究。【结果】基本统计特征分析表明,黄土坡耕地地表糙度在整体上的分布较均匀,具有较弱的空间变异特征。半方差函数分析表明,黄土坡耕地地表糙度均表现出中等以上的空间自相关性,其空间自相关尺度范围为2.02-3.82 m。由空间结构特征引起的异质性占总异质性的比例较大。分形维数分析表明,黄土坡耕地地表糙度具有良好的分形性质,其分形维数介于1.59和1.91之间;随坡度的增大,各坡面地表糙度的空间分布趋向复杂,空间异质性增强;人工锄耕、人工掏挖、等高耕作坡面的空间异质性在小尺度范围内依次增强,具有良好的水土保持作用。【结论】造成地表糙度空间异质性差异的主要原因是由人为耕作和坡度所形成的空间结构特征。地表糙度的空间配置格局在小尺度范围上由人为耕作和坡度、在大尺度范围上由降雨及其侵蚀过程所控制。该研究结果可为进一步理解地表糙度与侵蚀的相互耦合关系奠定基础,并为黄土坡耕地的水土流失防治提供一定的科学依据。     

SVM模型在森林火灾判断中的应用

根据支持向量机（SVM）原理,通过大兴安岭地区1990 ～ 2009年20年间森林火灾数据,得到该地区森林火灾预测模型,并利用此模型对2010 ～2012年3年间的火灾数据进行验证,发现总判对率为84.5％,着火案例判对率为81.4％,说明该回归模型较符合实际情况,具有较好的预测效果,能够为当地林业部门制定防火策略提供参考.